Dhruba Samanta
회원 가입일: 2025
다이아몬드 리그
13875포인트
회원 가입일: 2025
Great code shouldn't get bogged down by infrastructure headaches. In this voyage, you'll master modern deployment patterns by turning ideas into production-ready microservices. From generating dynamic files and decoupling services with Pub/Sub to deploying polyglot apps across three different languages on App Engine, you'll cover the full developer lifecycle. Complete the challenge labs and show you know how to build fast, scale effortlessly, and keep things resilient.
Welcome to this month's Arcade Simulator, where you'll step into the shoes of a DevOps Engineer tasked with keeping production environments fast, scalable, and resilient. You'll lay down a secure foundation with multi-VPC networks and access controls, then deploy multi-tier load balancers to distribute compute traffic seamlessly. Clear both challenge labs to prove you can automate, secure, and scale enterprise infrastructure without missing a beat.
Since last month's Arcade Trail wrapped up earlier than expected, we’re opening up this bonus game only for this month so you can grab that missed Arcade Point! You'll start on the vault side with Google Cloud Storage—managing buckets, exploring APIs, and locking down sensitive data with Bucket Lock. Then, you'll shift to event-driven vectors at the command line, triggering Cloud Run Functions and routing real-time messages through Pub/Sub. Complete with two hands-on challenge labs, this trail gets your streak back on track while building real-world storage and serverless skills.
It’s all about global spans and execution plans. First, you'll get under the hood of Google Cloud Spanner to design schemas, load data at scale, and master query plan optimization. From there, you'll execute your serverless backend plan by wiring up Cloud Run Functions, Pub/Sub messaging, and API Gateway. Packed with two challenge labs, you'll leave with full control over enterprise data and event-driven APIs.
Welcome to this month's Arcade Simulator where you will step into the shoes of a Network Security Engineer. In this simulation, you'll first lock down access control across your infrastructure—crafting custom IAM roles, scripting permissions, and setting up Identity-Aware Proxy to secure user authentication without traditional VPNs. Then, you'll take control of hybrid enterprise topology, using Network Connectivity Center to link multi-cloud networks, VPCs, and site-to-site HA-VPNs. Complete with two realistic challenge labs, this simulation equips you to eliminate access blind spots, secure cross-cloud traffic, and build a fortress-grade network on Google Cloud.
이 과정에서는 Google Cloud의 데이터 엔지니어링, 데이터 엔지니어의 역할과 책임, 그리고 이러한 요소가 Google Cloud 제공 서비스와 어떻게 연결되는지에 대해 알아봅니다. 또한 데이터 엔지니어링 과제를 해결하는 방법에 대해서도 배우게 됩니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 세 번째 과정입니다. 이 과정에서는 먼저 데이터 수집부터 인사이트 도출까지의 데이터 여정을 개괄적으로 살펴봅니다. 그런 다음 SQL을 사용하여 원시 데이터를 사용 가능한 형식으로 변환하는 방법을 알아봅니다. 다음으로 데이터 파이프라인을 사용하여 대량의 데이터를 변환하는 방법을 배웁니다. 마지막으로 실제 데이터 세트에 변환 전략을 적용하여 비즈니스 요구사항을 해결하는 경험을 쌓게 됩니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 다섯 번째 과정입니다. 이 과정에서는 전체 데이터 수명 주기 프로젝트에 중점을 둔 실습형 캡스톤 프로젝트의 1~4번째 과정에서 배운 기초 지식과 기술을 종합하여 적용합니다. 클라우드 기반 도구를 사용하여 데이터 인사이트를 효과적으로 확보, 저장, 처리, 분석, 시각화, 전달하는 방법을 실습합니다. 과정을 마치면 학습자는 여러 소스의 데이터를 효과적으로 구조화하고, 다양한 이해관계자에게 솔루션을 제시하고, 클라우드 기반 소프트웨어를 사용하여 데이터 인사이트를 시각화하는 역량을 보여주는 프로젝트를 완료하게 됩니다. 또한 이력서를 업데이트하고 면접 기법을 연습하면서 입사 지원 및 면접을 준비합니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 네 번째 과정입니다. 이 과정에서 학습자는 클라우드에서 데이터를 시각화하는 5가지 핵심 단계(스토리텔링, 계획, 데이터 탐색, 시각화 구축, 다른 사람과의 데이터 공유)와 관련된 기술을 개발하는 데 중점을 둡니다. 또한 UI/UX 기술을 사용하여 효과적인 클라우드 네이티브 시각화를 와이어프레임으로 제작하고 클라우드 네이티브 데이터 시각화 도구를 사용하여 데이터 세트를 탐색하고, 보고서를 작성할 뿐 아니라 의사 결정 및 협업을 촉진하는 대시보드를 빌드하는 경험을 쌓을 수 있습니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 두 번째 과정입니다. 이 과정에서는 데이터를 어떻게 구조화하고 조직화하는지 살펴봅니다. 데이터 레이크하우스 아키텍처 및 BigQuery, Google Cloud Storage, Dataproc과 같은 클라우드 구성요소를 활용하여 대규모 데이터 세트를 효율적으로 저장, 분석, 처리하는 방법을 직접 경험해 봅니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 첫 번째 과정입니다. 이 과정에서는 클라우드 데이터 분석의 분야를 정의하고 데이터 획득, 저장, 처리, 시각화와 관련된 클라우드 데이터 분석가의 역할과 책임을 설명합니다. BigQuery, Cloud Storage와 같은 Google Cloud 기반 도구의 아키텍처와 이러한 도구를 사용하여 데이터를 효과적으로 구조화하여 표시하고 보고하는 방법을 살펴봅니다.
이 과정에서는 AI 기반 검색 기술, 도구, 애플리케이션을 살펴봅니다. 벡터 임베딩을 활용하는 시맨틱 검색, 시맨틱 방식과 키워드 방식을 결합한 하이브리드 검색, 그라운딩된 AI 에이전트로서 AI 할루시네이션을 최소화하는 검색 증강 생성(RAG)에 대해 알아보세요. Vertex AI 벡터 검색을 활용해 지능형 검색 엔진을 빌드하는 실무 경험을 쌓을 수 있습니다.
이 과정에서는 AI 개인 정보 보호 및 안전에 관한 중요한 주제를 소개합니다. Google Cloud 제품과 오픈소스 도구를 사용하여 AI 개인 정보 보호 및 안전 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.
이 과정에서는 책임감 있는 AI라는 개념과 AI 원칙을 소개합니다. 공정성과 편향을 실질적으로 식별하고 AI/ML 실무에서 편향을 완화하는 기법을 알아봅니다. Google Cloud 제품과 오픈소스 도구를 사용하여 책임감 있는 AI 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.
이 과정에서는 AI 해석 가능성과 투명성의 개념을 소개합니다. 개발자와 엔지니어에게 AI 투명성이 얼마나 중요한지를 설명합니다. 데이터와 AI 모델 모두에서 해석 가능성과 투명성을 구현하는 데 도움이 되는 실용적인 방법과 도구를 살펴봅니다.
이 과정에서는 생성형 AI 모델과 상호작용하고 비즈니스 아이디어의 프로토타입을 제작하여 프로덕션으로 출시할 수 있는 도구인 Vertex AI Studio를 소개합니다. 몰입감 있는 사용 사례, 흥미로운 강의, 실무형 실습을 통해 프롬프트부터 프로덕션에 이르는 수명 주기를 살펴보고 Vertex AI Studio를 Gemini 멀티모달 애플리케이션, 프롬프트 설계, 프롬프트 엔지니어링, 모델 조정에 활용하는 방법을 알아봅니다. 이 과정의 목표는 Vertex AI Studio로 프로젝트에서 생성형 AI의 잠재력을 활용하는 것입니다.
이 과정에서는 생성형 AI 모델을 배포하고 관리할 때 MLOps팀이 직면하는 고유한 과제를 파악하는 데 필요한 지식과 도구를 제공하고 Vertex AI가 어떻게 AI팀이 MLOps 프로세스를 간소화하고 생성형 AI 프로젝트에서 성공을 거둘 수 있도록 지원하는지 살펴봅니다.
이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.
이 과정은 Transformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개합니다. 셀프 어텐션 메커니즘 같은 Transformer 아키텍처의 주요 구성요소와 이 아키텍처가 BERT 모델 빌드에 사용되는 방식에 관해 알아봅니다. 또한 텍스트 분류, 질문 답변, 자연어 추론과 같이 BERT를 활용할 수 있는 다양한 작업에 대해서도 알아봅니다. 이 과정은 완료하는 데 대략 45분이 소요됩니다.
이 과정은 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요를 제공합니다. 인코더-디코더 아키텍처의 기본 구성요소와 이러한 모델의 학습 및 서빙 방법에 대해 알아봅니다. 해당하는 실습 둘러보기에서는 TensorFlow에서 시를 짓는 인코더-디코더 아키텍처를 처음부터 간단하게 구현하는 코딩을 해봅니다.
이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.
이 과정에서는 최근 이미지 생성 분야에서 가능성을 보여준 머신러닝 모델 제품군인 확산 모델을 소개합니다. 확산 모델은 열역학을 비롯한 물리학에서 착안했습니다. 지난 몇 년 동안 확산 모델은 연구계와 업계 모두에서 주목을 받았습니다. 확산 모델은 Google Cloud의 다양한 최신 이미지 생성 모델과 도구를 뒷받침합니다. 이 과정에서는 확산 모델의 이론과 Vertex AI에서 이 모델을 학습시키고 배포하는 방법을 소개합니다.
생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.
'생성형 AI 앱: 업무 혁신'은 생성형 AI 리더 학습 과정의 네 번째 과정입니다. 이 과정에서는 Workspace를 위한 Gemini, NotebookLM 등 Google의 생성형 AI 애플리케이션을 소개합니다. 그라운딩, 검색 증강 생성, 효과적인 프롬프트 작성, 자동화된 워크플로 구축 등의 개념을 안내합니다.
생성형 AI: 환경 살펴보기는 Gen AI Leader 학습 과정의 세 번째 과정입니다. 생성형 AI는 업무 방식을 비롯해 주변 세계와 상호작용하는 방식에 변화를 일으키고 있습니다. 리더로서 생성형 AI를 활용하여 실질적인 비즈니스 성과를 얻으려면 어떻게 해야 할까요? 이 과정에서는 생성형 AI 솔루션 빌드의 다양한 계층, Google Cloud 제품, 솔루션을 선택할 때 고려해야 할 요소를 살펴봅니다.
생성형 AI: 기본 개념 이해는 Gen AI Leader 학습 과정의 두 번째 과정입니다. 이 과정에서는 생성형 AI의 기본 개념을 이해하기 위해 AI, ML, 생성형 AI의 차이점을 살펴보고 다양한 데이터 유형에서 생성형 AI로 어떻게 비즈니스 과제를 해결할 수 있는지 알아봅니다. 파운데이션 모델의 제한사항과 책임감 있고 안전한 AI 개발 및 배포의 주요 과제를 해결할 수 있도록 Google Cloud 전략에 관한 인사이트도 제공합니다.
초급 Agent Platform의 프롬프트 설계 기술 배지를 완료하여 Agent Platform 내 프롬프트 엔지니어링, 이미지 분석, 멀티모달 생성형 기술과 관련된 기술 역량을 입증하세요. 효과적인 프롬프트를 만들고 생성형 AI 출력을 안내하며 실제 마케팅 분야 시나리오에 Gemini 모델을 적용하는 방법을 알아보세요.
생성형 AI: 챗봇 그 이상의 가치는 Gen AI Leader 학습 과정의 첫 번째 과정이며 기본 요건은 따로 없습니다. 이 과정은 챗봇에 대한 기본적인 이해를 넘어 조직을 위한 생성형 AI의 진정한 잠재력을 살펴보는 것을 목표로 합니다. 생성형 AI의 강력한 기능을 활용하는 데 중요한 파운데이션 모델과 프롬프트 엔지니어링과 같은 개념을 살펴봅니다. 또한 조직을 위한 성공적인 생성형 AI 전략을 개발할 때 고려해야 할 중요한 사항을 안내합니다.
생성형 AI란 무엇이고 어떻게 사용하며 전통적인 머신러닝 방법과는 어떻게 다른지 설명하는 입문용 마이크로 학습 과정입니다. 직접 생성형 AI 앱을 개발하는 데 도움이 되는 Google 도구에 대해서도 다룹니다.